Поиск самых простых и изящных объяснений хорошо служил ученым на протяжении веков, но эксперименты когнитивиста Марины Дубовой показывают, что есть более эффективные способы постижения реальности
Древнегреческий астроном Клавдий Птолемей, ограниченный знаниями своего времени, полагал, что планеты и Солнце нашей Солнечной системы вращаются вокруг Земли.
Каждое новое наблюдение, противоречившее этой теории, требовало ее незначительной корректировки, пока столетия спустя Николай Коперник не перевернул ее с ног на голову. Более изящное объяснение предполагало, что все планеты вращаются вокруг Солнца, что положило начало научной революции, изменившей наше представление о всей Вселенной.
Более простые объяснения снова и снова вытесняли господствующие теории: специальная теория относительности одержала верх над теорией светоносного эфира, а дрейф материков легче объяснял сходство окаменелостей на разных континентах, чем существование сухопутных мостов, соединявших их и исчезнувших много веков назад.
В этом и заключается дух бритвы Оккама, принципа, приписываемого монаху XIV века Уильяму Оккаму, который гласит, что нужно выбирать самое простое объяснение, соответствующее фактам.
Но что, если научный прогресс не всегда идет по этому пути? Что, если лучше начать с изучения сложности, а не простоты? Только так мы сможем разглядеть скрытые структуры, которые раньше были невидимы.
Когнитивист и философ Марина Дубова из Института Санта-Фе в Нью-Мексико утверждает, что «бритва Оккама» — лишь одно из нескольких эмпирических правил, мешающих нам составить истинную картину реальности. Создавая компьютерные симуляции и проводя эксперименты в «микромирах», Дубова применяет принципы психологии и когнитивистики к самим ученым. Она приходит к выводу, что некоторые из самых заветных представлений о том, как лучше всего искать истину, имеют под собой зыбкую почву.
В будущем, когда значительная часть научных исследований будет автоматизирована, эти уроки могут оказаться решающими для подготовки «ученых в области искусственного интеллекта». New Scientist спросил Дубову о рисках, связанных с переносом старых способов мышления в будущее науки, о том, как мы можем учиться лучше и быстрее, максимально расширяя свой контакт с реальностью. Это то, что говорит нам на фундаментальном уровне о том, что такое наука на самом деле.
Бритва Оккама — это предпочтение более простых объяснений. Студентов во многих научных областях учат, что независимо от того, что вы изучаете, лучше всего начинать с самой простой теории.
Если вы видите в данных что-то, что действительно не учтено, то вы добавляете еще одну переменную или еще один механизм, но всегда начинаете с самого простого. Ученые применяют этот подход по-разному: иногда они отдают предпочтение объяснениям, которые содержат минимум допущений, или теориям, предполагающим меньшее количество причин или механизмов; иногда они отдают предпочтение менее гибким объяснениям, которые позволяют делать очень конкретные прогнозы.
Ограничивается ли такой упрощенный подход только наукой или мы все так поступаем?
У нас есть доказательства того, что, когда людей просят объяснить различные события, они, как правило, предлагают простые и общие объяснения.
Мы часто предпочитаем объяснения, которые опираются на меньшее количество причин или механизмов и могут объяснить наибольшее количество данных. Например, когда участников исследования просили поставить диагноз инопланетянину, у которого наблюдались два симптома, они чаще выбирали объяснение, согласно которому у инопланетянина одно заболевание, вызывающее оба симптома, а не два заболевания, каждое из которых вызывает один симптом, даже если объяснение с двумя заболеваниями казалось более вероятным.
Существуют ли эмпирические доказательства того, что «бритва Оккама» способствует научному прогрессу?
Мы проверили эти идеи с помощью вычислительной модели, в которой агенты ИИ создают представления о некой истине, основываясь на ограниченном наборе данных. Мы создали несколько агентов, которые должны были придумать теорию, описывающую истину, с наименьшим количеством переменных.
С другой стороны, у нас есть агенты, созданные для того, чтобы создавать объяснения, которые намного сложнее изучаемых ими явлений.
Представьте, что у вас есть система с тремя важными переменными. В этом случае агенты, предпочитающие сложность, будут создавать объяснения, включающие 1000 переменных. Это очень интересный обратный подход, который мы нечасто встречаем, по крайней мере в науке.
Если применить его к примеру с инопланетной болезнью, то агент, предпочитающий сложность, не стал бы связывать симптомы с одной или двумя болезнями. Вместо этого он построит объяснение, учитывающее тысячу факторов, таких как возраст пациента-инопланетянина, показатели генетического риска по материнской и отцовской линии, температура и качество воздуха на его родной планете и так далее.
Удивительно, но если посмотреть на то, насколько хорошо эти представления помогают агентам делать прогнозы на основе новых данных, полученных из того же источника, то иногда агенты, для которых было явно задано предпочтение в пользу сложности, справляются с задачей не хуже, а иногда даже лучше, чем те, для которых было задано предпочтение в пользу простоты.
Эти открытия очень удивительны и заставляют нас пересмотреть многие наши представления о том, как мы, ученые, познаем мир.
Не только «бритва Оккама» может сбивать нас с пути?
Еще одно распространенное эмпирическое правило заключается в том, что эксперимент должен быть обусловлен уже имеющимися у нас теориями. Независимо от того, изучаете ли вы жизнь на других планетах или новый тип феномена в человеческой памяти, первым делом необходимо сформулировать теорию, чтобы провести эксперимент в соответствии с ней.
Например, знаменитые экспедиции по наблюдению за солнечными затмениями под руководством Артура Стэнли Эддингтона в 1919 году были организованы специально для проверки общей теории относительности, согласно которой гравитация Солнца искривляет свет звезд. Эксперимент позволил учёным выбрать между двумя конкурирующими теориями: общая теория относительности Альберта Эйнштейна предсказывала большее отклонение, а ньютоновские представления — меньшее. Идея в том, что мы не должны проводить эксперименты впустую, всему должно быть логическое объяснение.
Фотография солнечного затмения, сделанная в 1919 году, подтвердила общую теорию относительности Альберта Эйнштейна.
Науку часто называют поиском истины. Не является ли такой подход ошибочным?
Используя аналогичные вычислительные модели, мы создали агентов, чья стратегия заключается в том, чтобы пытаться опровергнуть свои теории или разрешить разногласия с коллегами с помощью тщательно подобранных экспериментов.
Другая стратегия — проводить эксперименты, которые могут подтвердить правильность вашей теории, — своего рода предвзятость подтверждения. Кроме того, у нас было еще две исследовательские стратегии: одна предполагает случайный выбор экспериментов, а другая — выбор новых экспериментов, которые еще никто не проводил.
Кто выдвинул лучшие теории?
Агенты, использующие исследовательские стратегии, как основанные на новизне, так и на случайных экспериментах, разработали лучшие теории, отражающие истинную картину. Мы были настолько удивлены этим результатом, что провели еще четыре эксперимента с моделью, чтобы попытаться его опровергнуть.
Мы попросили нейробиологов изучить игрушечный сегмент мозга с помощью нейровизуализации и удаления отдельных участков. Их целью было понять, какова лежащая в основе этого процесса причинно-следственная структура.
Нейробиологи довольно успешно справились с этой задачей, но иногда им не удавалось пересмотреть свои прежние убеждения. Например, игрушечный мозг иногда нарушал принцип «один к одному», согласно которому каждая область мозга отвечает за одну способность, например за обработку лиц или речи.
Мы сделали так, чтобы одна область игрушечного мозга контролировала несколько способностей, но некоторые нейробиологи продолжали настаивать на том, что должны быть едва заметные различия и что на самом деле есть две немного отличающиеся друг от друга области, каждая из которых отвечает за одно поведение.
Точно так же, как менее склонным к исследованию агентам было сложнее пересматривать свои теории, настоящие ученые позволяют своим гипотезам определять, какие эксперименты они проводят и как интерпретируют их результаты.
Чему ученые могут научиться на этих экспериментах?
В науке наши институты не нацелены на поиск новых знаний — этот процесс должен быть очень продуманным.
Мы должны осознавать, что наши теории и концепции влияют на все наши решения таким образом, что это может помешать нам по-новому взглянуть на реальность.
Например, общая теория относительности, периодическая таблица химических элементов или классификация психических расстройств в психиатрии — все это влияет на то, как мы, ученые, взаимодействуем с реальностью, и может помочь нам добиться дальнейшего прогресса, но в то же время может ограничивать наши исследования.
Но наука во всех ее проявлениях постепенно переживает революции, в ходе которых пересматриваются концепции и теории. Разве этого недостаточно?
Научная революция приводит к кардинальным изменениям в том, что мы делаем как ученые, и в том, как мы воспринимаем мир. Но обязательно ли для того, чтобы пересмотреть эти идеи, нужны десятилетия или столетия? Если мы будем исследовать мир с меньшими ограничениями, то потенциально сможем ускорить процесс открытий.
Есть ли примеры того, как простые объяснения приводили нас на ложный путь?
Возьмем нейробиологию. Эта область науки все больше склоняется к тому, чтобы рассматривать мозг как распределенную сеть, в которой взаимодействуют многие области и где одна область часто участвует в нескольких функциях, а не в одной.
Аналогичное предположение существовало в генетике: за определенный признак отвечает один ген. Это верно для некоторых особых случаев, связанных с одним геном, но общая идея также активно пересматривается.
В настоящее время считается, что большинство признаков формируется в результате взаимодействия множества генов по всему геному, а также под влиянием окружающей среды.
Можно сказать, что эти более простые ранние идеи были практическим способом хотя бы начать разбираться в чрезвычайно сложных явлениях.
Мы, люди, ограничены в своих когнитивных способностях. Мы не можем представить себе все возможные теории с 1000 измерений и 1000 переменных, которые могли бы объяснить все, что мы изучаем. В каком-то смысле принцип экономии мышления был необходим. Искусственный интеллект может помочь нам начать поиск более многомерных и сложных объяснений.
Это можно наблюдать в области, которая называется статистическим обучением — математическим исследованием того, как системы обучаются на основе данных.
Одно из недавних открытий получило название «двойной спад обобщения». Раньше мы считали, что чем больше модель, тем хуже она работает. Интуитивно понятно, что нужно сжимать среду, с которой взаимодействует модель: зачем заставлять модель запоминать все детали, если в этой среде ничего не повторяется в точности?
Но оказывается, что по мере усложнения модели количество ее ошибок сначала снижается, затем достигает пика, а потом снова снижается. Эти системы лучше справляются с обобщением — выработкой правил для новых сценариев или прогнозированием того, как будут развиваться события с учетом ранее не встречавшихся данных, — когда они формируют представления, которые сложнее самих данных. Они запоминают каждую деталь и преобразуют ее множеством способов для успешного обобщения.
Влияет ли это на то, как мы пытаемся создавать «ученых в области искусственного интеллекта»?
Я думаю, что мы недостаточно обсуждаем, какие аспекты научного метода мы хотим сохранить, а какие — пересмотреть. Может быть, мы просто делали все, что могли, учитывая наши когнитивные ограничения, а не применяли лучший научный метод? Это важно понимать, когда мы автоматизируем некоторые части научного процесса. В противном случае, боюсь, мы можем воспроизвести некоторые из наших предубеждений и «слепых зон», но в гораздо большем масштабе.
Так что же что это такое — наука по своей сути?
Цель науки — постичь некую реальность, узнать что-то о мире. Но существует так много точек зрения, с которых можно исследовать одно и то же явление, что приходится смотреть на него с разных сторон.
Хасок Чанг, философ из Кембриджского университета, описывает это как максимальное сближение с реальностью. Мы так привыкли к визуальным метафорам науки, например к тому, что она отражает природу. Но на самом деле мы исследуем реальность тактильно — то, что философ Мазвиита Чиримуута из Эдинбургского университета, Великобритания, называет тактильным реализмом.
Часто, когда мы что-то трогаем, оно деформируется или мы не можем увидеть его целиком. Наука — это многостороннее взаимодействие с миром, цель которого — узнать как можно больше.
Автор: Томас Льютон
8 июля 2026 г., New Scientist
